Demons算法及应用
Demons 算法是一种非刚体图像配准算法，该算法能找到基于图像灰度的不同图像间点对点的对应关系，得到一个非刚体的位移场。该算法在单模图像配准中具有很好的配准效果，是目前配准算法的研究热点之一。普通的Demons算法根据图像灰度信息来促使图像发生变形，变形的速度比较慢而且极其容易发生误配准，达不到预期的效果。因此，本文在普通Demons算法的基础上进行改进，采用了多分辨率金字塔迭代策略，实验证明这种方法是一种非常有效的改进方法能够大幅度提高图像配准的速度和精度，并且可以得到较为理想的实验结果。 M000258
关键词 Demons 非刚性配准 多分辨率 M000258
Demons algorithm is a kind of non rigid image registration algorithm, the algorithm can find the different image point based on image gray value to point correspondences, a non rigid body displacement field. The algorithm has better matching effect in a single mode of image registration, is the one hot discussion of the registration algorithm. However, general Demons algorithm depends on the image intensity features to image deformation, unable to determine the deformation direction when the lack of gradient information, and it is very easy to result i false registration. We need this time will improve the Demons algorithm, the experiment is repeated registration strategy, experimental results show that this method is an improvement method is very effective to get more satisfactory results.
Keywords Demons ；non rigid registration ；image registration
1.绪 论 查看完整请+Q:351916072获取
配准,实际上就是寻找使两幅图像对应点在空间上达到一致的过程。目前图像配准在当今社会得到了广泛的应用例如图像遥感处理,计算机视觉方面，运动的估测，医学上的图像分析等。医学图像配准是医学图像处理与分析领域中的一个具有理论及实际意义的重要课题,它是医学图像重建、融合等研究的前提。从上世纪80 年代以来，国内外的研究人员对这一课题进行大量卓有成效的研究，一些技术已经应用于临床医疗中。
刚性配准方法主要用于对象之间不存在的变形【1】。刚性配准算法的空间变换一般有六个自由度（三转，三移），这些方法只考虑图像的旋转变换和平移变换。仿射变换改进了刚性配准，添加一个缩放和剪切变换，提高了配准的自由度。在刚性配准算法中，通常用矩阵变化表示空间变换，这样使得模板图像和参考图像上的点一一对应。大量的研究表明，对于各种模态下的刚性配准算法研究已经非常成熟，配准结果达到了较高的精度，L.Lemieux等人提出的三维框架刚性配准方法被认为是黄金标准。目前已经非常成熟的研究了刚性配准算法，并且已广泛应用于医学的临床实验。
现实中，人体软组织的变形是非刚体的，非常复杂的，刚性和仿射变换不能模拟这些变形，刚性和仿射配准技术已不适用。而在非刚性配准空间中可以用来模拟复杂的变形，因此非刚性配准算法是这个领域当前的研究重点和难点。但是目前还不存在一种通用的配准方法适用于各种情况，一些配准算法只适用于单一模态，还有一些只适应于多模态。不同算法都是在配准精度、速度、自动化程度等方面做了不同的取舍，另外，这些算法并没有彻底解决算法鲁棒性问题。现有的非刚性变换模型基本上可分为两类：物理模型和函数模型。
物理模型的配准方法主要是弹性的配准算法，流体配准算法和光流配准算法。弹性力学形变理论表明【2】：当我们施加一个外力，弹性体发生变形。同时，其内部产生一个弹性力，并随外力的增加而增加，以尝试恢复原对象的变形。当两种力量的平衡时，阻止材料变形。弹性变形模型只适用于物体发生较小的形变，如果物体发生的形变较大，弹性变形模型是不能描述的。然而，对不同物体进行图像的配准时它们的差异通常就比较大，对于这类问题弹性配准算法是不适用的。而流体模型可以模拟形变较大的图像，但是这种方法计算比较复杂而且容易发生配准误差。光流场算法在计算机领域是一个经典的算法，它主要用于跟踪序列图像中运动小目标，本文的Demons算法正是基于光流场模型提出的一种图像配准算法。
在物理模型的配准方法中都需要用物理模型来模拟图像发生的形变，不是所有的形变都可以用物理模型来建立。非刚性配准的另一类方法就是通过对基函数展开的方法来模拟变形。通过调整基函数的系数来得到图像的形变。常用的基函数为小波函数和多项式函数等。小波函数的分析方法是数学领域的一种新的分析方法，在时频的局部和多尺度分析方面比其他分析方法更加优越。
非刚性的图像配准算法的另一种分类法是将其分为灰度驱动算法和模型驱动算法。模型驱动算法首先在需要配准的数据集上建立不同元素的几何模型，将元素参数化，然后和参考图像上对应元素参数进行配准，最后用之前配准得到的对应关系引导其余部分的配准。灰度驱动算法是利用数学的相似性准则来测度参考图像和模板图像之间的灰度相似性，相似性的测度可以是像素的平均方差，归一化性，互信息。
非刚性配准能够满足刚性配准不能涉及的领域。已经实现了医学研究领域上的突破性的发展，但是这种类型的配准目前大多数只能用在临床实验中，还没有广泛的运用到更多的实例当中，仍然需要深入的研究和开发。
Demons算法的光流场模型是以图像像素为基础的非刚性配准方法中比较简单的一种算法。本文对Demons算法进行了深入的分析研究，并采用了多分辨策略，从而防止了迭代过程中过早的进入局部极值点，同时提高了收敛速度。 查看完整请+Q:351916072获取
2.Demons算法的发展及其意义
2.1 Demons算法的技术发展与研究现状
基于Demons算法的图像配准技术在很多的领域得到很大的运用例如对遥感图像的处理方面、改善计算机视觉方面、对运动物体的估测、分析医学上的图像等等。
Demons算法是由Jean Philipe Thirion提出的，其提出的理论与19世纪Maxwell 的实验原理很相似。Thirion把图像发生形变的问题看成扩散问题【3】，而且这个扩散一定是一个双向的问题，就是说在这个扩散的过程中作用在每一个像素上的Demons力驱使参考图像向模板图像扩散的同时也驱使模板图像向着参考图像扩散。根据这个理论思想一些人提出了双向配准这一方法策略，将来自于两幅图像的单方向的作用力相加转化成为双向的作用力，也就是综合使用了需要配准的图像和参考图像两个图像的梯度，这种迭代的方法要大大提高了图像收敛的速度和算法的精确度。但是，这种方法仅仅适用于单模态图像配准，在多模态图像配准得不到好的效果。最大互信息的方法已经成功应用到图像配准中得到成功，将互信息加入到Demons算法中是研究人员改善多模态图像配准精度的途径之一，但是基于互信息的Demons算法在配准纹理模糊的功能图像时仍然得不到好的配准结果。
目录
1.绪论 5
2.Demons算法的发展及其意义 7
2.1 Demons算法的技术发展与研究现状 7
2.2 Demons算法的研究背景和在未来应用的意义 7
3 基于Demons算法的图像配准关键流程 9
3.1 Demons作用力 9
3.2 基本公式 9
3.3 多分辨率策略 10
3.4 基于Demons算法的图像配准流程 11
4 .Demons算法的实验分析和结果 12
4.1 实验分析的环境 12
4.2 实验结果的分析 13
5.Demons算法的总结和发展前景 16
5.1 本文研究的主要内容和研究成果 16
5.2 Demons算法在未来的发展前景 16
参考文献 17
致谢 19 查看完整请+Q:351916072获取
关键词 Demons 非刚性配准 多分辨率 M000258
Demons algorithm is a kind of non rigid image registration algorithm, the algorithm can find the different image point based on image gray value to point correspondences, a non rigid body displacement field. The algorithm has better matching effect in a single mode of image registration, is the one hot discussion of the registration algorithm. However, general Demons algorithm depends on the image intensity features to image deformation, unable to determine the deformation direction when the lack of gradient information, and it is very easy to result i false registration. We need this time will improve the Demons algorithm, the experiment is repeated registration strategy, experimental results show that this method is an improvement method is very effective to get more satisfactory results.
Keywords Demons ；non rigid registration ；image registration
1.绪 论 查看完整请+Q:351916072获取
配准,实际上就是寻找使两幅图像对应点在空间上达到一致的过程。目前图像配准在当今社会得到了广泛的应用例如图像遥感处理,计算机视觉方面，运动的估测，医学上的图像分析等。医学图像配准是医学图像处理与分析领域中的一个具有理论及实际意义的重要课题,它是医学图像重建、融合等研究的前提。从上世纪80 年代以来，国内外的研究人员对这一课题进行大量卓有成效的研究，一些技术已经应用于临床医疗中。
刚性配准方法主要用于对象之间不存在的变形【1】。刚性配准算法的空间变换一般有六个自由度（三转，三移），这些方法只考虑图像的旋转变换和平移变换。仿射变换改进了刚性配准，添加一个缩放和剪切变换，提高了配准的自由度。在刚性配准算法中，通常用矩阵变化表示空间变换，这样使得模板图像和参考图像上的点一一对应。大量的研究表明，对于各种模态下的刚性配准算法研究已经非常成熟，配准结果达到了较高的精度，L.Lemieux等人提出的三维框架刚性配准方法被认为是黄金标准。目前已经非常成熟的研究了刚性配准算法，并且已广泛应用于医学的临床实验。
现实中，人体软组织的变形是非刚体的，非常复杂的，刚性和仿射变换不能模拟这些变形，刚性和仿射配准技术已不适用。而在非刚性配准空间中可以用来模拟复杂的变形，因此非刚性配准算法是这个领域当前的研究重点和难点。但是目前还不存在一种通用的配准方法适用于各种情况，一些配准算法只适用于单一模态，还有一些只适应于多模态。不同算法都是在配准精度、速度、自动化程度等方面做了不同的取舍，另外，这些算法并没有彻底解决算法鲁棒性问题。现有的非刚性变换模型基本上可分为两类：物理模型和函数模型。
物理模型的配准方法主要是弹性的配准算法，流体配准算法和光流配准算法。弹性力学形变理论表明【2】：当我们施加一个外力，弹性体发生变形。同时，其内部产生一个弹性力，并随外力的增加而增加，以尝试恢复原对象的变形。当两种力量的平衡时，阻止材料变形。弹性变形模型只适用于物体发生较小的形变，如果物体发生的形变较大，弹性变形模型是不能描述的。然而，对不同物体进行图像的配准时它们的差异通常就比较大，对于这类问题弹性配准算法是不适用的。而流体模型可以模拟形变较大的图像，但是这种方法计算比较复杂而且容易发生配准误差。光流场算法在计算机领域是一个经典的算法，它主要用于跟踪序列图像中运动小目标，本文的Demons算法正是基于光流场模型提出的一种图像配准算法。
在物理模型的配准方法中都需要用物理模型来模拟图像发生的形变，不是所有的形变都可以用物理模型来建立。非刚性配准的另一类方法就是通过对基函数展开的方法来模拟变形。通过调整基函数的系数来得到图像的形变。常用的基函数为小波函数和多项式函数等。小波函数的分析方法是数学领域的一种新的分析方法，在时频的局部和多尺度分析方面比其他分析方法更加优越。
非刚性的图像配准算法的另一种分类法是将其分为灰度驱动算法和模型驱动算法。模型驱动算法首先在需要配准的数据集上建立不同元素的几何模型，将元素参数化，然后和参考图像上对应元素参数进行配准，最后用之前配准得到的对应关系引导其余部分的配准。灰度驱动算法是利用数学的相似性准则来测度参考图像和模板图像之间的灰度相似性，相似性的测度可以是像素的平均方差，归一化性，互信息。
非刚性配准能够满足刚性配准不能涉及的领域。已经实现了医学研究领域上的突破性的发展，但是这种类型的配准目前大多数只能用在临床实验中，还没有广泛的运用到更多的实例当中，仍然需要深入的研究和开发。
Demons算法的光流场模型是以图像像素为基础的非刚性配准方法中比较简单的一种算法。本文对Demons算法进行了深入的分析研究，并采用了多分辨策略，从而防止了迭代过程中过早的进入局部极值点，同时提高了收敛速度。 查看完整请+Q:351916072获取
2.Demons算法的发展及其意义
2.1 Demons算法的技术发展与研究现状
基于Demons算法的图像配准技术在很多的领域得到很大的运用例如对遥感图像的处理方面、改善计算机视觉方面、对运动物体的估测、分析医学上的图像等等。
Demons算法是由Jean Philipe Thirion提出的，其提出的理论与19世纪Maxwell 的实验原理很相似。Thirion把图像发生形变的问题看成扩散问题【3】，而且这个扩散一定是一个双向的问题，就是说在这个扩散的过程中作用在每一个像素上的Demons力驱使参考图像向模板图像扩散的同时也驱使模板图像向着参考图像扩散。根据这个理论思想一些人提出了双向配准这一方法策略，将来自于两幅图像的单方向的作用力相加转化成为双向的作用力，也就是综合使用了需要配准的图像和参考图像两个图像的梯度，这种迭代的方法要大大提高了图像收敛的速度和算法的精确度。但是，这种方法仅仅适用于单模态图像配准，在多模态图像配准得不到好的效果。最大互信息的方法已经成功应用到图像配准中得到成功，将互信息加入到Demons算法中是研究人员改善多模态图像配准精度的途径之一，但是基于互信息的Demons算法在配准纹理模糊的功能图像时仍然得不到好的配准结果。
目录
1.绪论 5
2.Demons算法的发展及其意义 7
2.1 Demons算法的技术发展与研究现状 7
2.2 Demons算法的研究背景和在未来应用的意义 7
3 基于Demons算法的图像配准关键流程 9
3.1 Demons作用力 9
3.2 基本公式 9
3.3 多分辨率策略 10
3.4 基于Demons算法的图像配准流程 11
4 .Demons算法的实验分析和结果 12
4.1 实验分析的环境 12
4.2 实验结果的分析 13
5.Demons算法的总结和发展前景 16
5.1 本文研究的主要内容和研究成果 16
5.2 Demons算法在未来的发展前景 16
参考文献 17
致谢 19 查看完整请+Q:351916072获取
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/2410.html
